隨著智慧醫(yī)療的快速發(fā)展,人工智能技術(shù)逐步融入到醫(yī)療行業(yè),患者、醫(yī)務(wù)人員和醫(yī)療機構(gòu)之間交互的健康醫(yī)療信息平臺應(yīng)運而生�，F(xiàn)階段臨床輔助診療的研究,主要是分析、處理以多媒體形式存在的海量醫(yī)療數(shù)據(jù)和診斷數(shù)據(jù)。由此,對海量數(shù)據(jù)的特征提取工作必不可少,如何進(jìn)行個性化的診療應(yīng)用也同樣具有深遠(yuǎn)的研究意義。目前,我國的中醫(yī)電子病歷是伴隨著中醫(yī)院信息化進(jìn)程發(fā)展起來的新生事物,具有歷史性、人文性和定性描述等特點。但是由于中醫(yī)電子病歷不同于自然語言文本,醫(yī)療文本數(shù)據(jù)分布不平衡,且醫(yī)務(wù)人員問診習(xí)慣各不相同等問題,使得臨床問診往往達(dá)不到預(yù)期診療效果。本文通過搭建中醫(yī)骨科問診平臺,重點研究其綜合特征表示和相似病例推薦部分:第一,中醫(yī)骨科電子病歷中結(jié)構(gòu)化特征和連續(xù)特征共存,不能較好的學(xué)習(xí)得到文本的語義特征,使得傳統(tǒng)的文本特征表示方法準(zhǔn)確率往往較差。同時,大多數(shù)特征工程過度依賴于已有的醫(yī)療數(shù)據(jù),不能較好地學(xué)習(xí)隱藏特征。針對以上兩個問題,本文提出了一種基于門限卷積變分自編碼器的綜合特征表示方法,該方法結(jié)合特征分區(qū),將不同結(jié)構(gòu)類型的數(shù)據(jù)采用不同的特征表示方法,進(jìn)行特征融合后得到綜合特征表示。實驗表明,本方法比現(xiàn)有方法的綜合...

【文章頁數(shù)】：84 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 研究背景與意義
    1.2 國內(nèi)外研究現(xiàn)狀
    1.3 論文主要研究內(nèi)容
    1.4 論文主要創(chuàng)新點
    1.5 論文組織結(jié)構(gòu)
    1.6 本章小結(jié)
第二章 相關(guān)理論與技術(shù)介紹
    2.1 醫(yī)療文本預(yù)處理
        2.1.1 醫(yī)療文本脫敏
        2.1.2 醫(yī)療文本分詞
    2.2 特征向量化表示
        2.2.1 特征分區(qū)
        2.2.2 交叉特征變換
        2.2.3 Word2vec
        2.2.4 特征融合
    2.3 門限卷積變分自編碼器
        2.3.1 自動編碼器
        2.3.2 變分自編碼器
        2.3.3 門限卷積變分自編碼器
    2.4 推薦模型
        2.4.1 推薦模型的定義
        2.4.2 推薦模型的應(yīng)用
        2.4.3 寬深度學(xué)習(xí)模型
    2.5 基于XGBOOST框架的監(jiān)督學(xué)習(xí)算法
    2.6 本章小結(jié)
第三章 中醫(yī)骨科問診平臺整體概述
    3.1 中醫(yī)骨科問診平臺概述與需求
    3.2 中醫(yī)骨科問診平臺業(yè)務(wù)邏輯
    3.3 中醫(yī)骨科問診平臺總體架構(gòu)
    3.4 相似病例推薦子系統(tǒng)業(yè)務(wù)流程和架構(gòu)
    3.5 本章小結(jié)
第四章 基于門限卷積變分自編碼器的綜合特征表示方法研究
    4.1 綜合特征表示概述
    4.2 綜合特征表示模型
        4.2.1 特征分區(qū)
        4.2.2 離散特征向量表示
        4.2.3 連續(xù)特征向量表示
        4.2.4 監(jiān)督學(xué)習(xí)訓(xùn)練
    4.3 實驗與分析
        4.3.1 實驗數(shù)據(jù)集
        4.3.2 實驗數(shù)據(jù)預(yù)處理
        4.3.3 實驗評測標(biāo)準(zhǔn)
        4.3.4 實驗環(huán)境配置與參數(shù)設(shè)置
        4.3.5 實驗結(jié)果及對比分析
    4.4 本章小結(jié)
第五章 基于改進(jìn)寬深度模型的相似病例推薦方法研究
    5.1 相似病例推薦概述
    5.2 改進(jìn)的寬深度模型
        5.2.1 淺層線性模型
        5.2.2 深度網(wǎng)絡(luò)模型
        5.2.3 寬深度門循環(huán)聯(lián)合模型
        5.2.4 模型的聯(lián)合訓(xùn)練
    5.3 實驗與分析
        5.3.1 實驗數(shù)據(jù)集
        5.3.2 實驗評測標(biāo)準(zhǔn)
        5.3.3 實驗環(huán)境配置與參數(shù)設(shè)置
        5.3.4 實驗結(jié)果及對比分析
    5.4 本章小結(jié)
第六章 相似病例推薦子系統(tǒng)設(shè)計與方法實現(xiàn)
    6.1 相似病例推薦子系統(tǒng)建模
        6.1.1 系統(tǒng)功能靜態(tài)視圖描述
        6.1.2 系統(tǒng)對象時序關(guān)系描述
        6.1.3 系統(tǒng)結(jié)構(gòu)化設(shè)計
        6.1.4 系統(tǒng)數(shù)據(jù)庫設(shè)計
    6.2 核心功能模塊的方法實現(xiàn)
        6.2.1 綜合特征表示模塊的算法實現(xiàn)
        6.2.2 相似病例推薦模塊的算法實現(xiàn)
    6.3 本章小結(jié)
第七章 總結(jié)與展望
    7.1 論文工作總結(jié)
    7.2 工作展望
致謝
參考文獻(xiàn)
附錄A:攻讀碩士學(xué)位期間發(fā)表的論文
附錄B:攻讀碩士學(xué)位期間參與完成的科研成果



本文編號：3871802